Colt 与微软测试代理式 AI 以简化企业网络定价

发生了什么

Colt Technology Services 与微软合作，构建了一个概念验证代理式 AI 引擎，旨在自动化其企业销售流程的部分环节。该工具专注于电信采购中较为复杂的步骤之一：为大型基础设施交易生成准确的定价报价。

全球连接服务的定价可能非常复杂。企业通常在多个国家运营，涉及不同的服务水平、网络路由和合同条款。据 Colt 称，这种复杂性可能拖慢谈判并延迟服务部署。

新的 AI 系统旨在简化这一步骤。Colt 和微软仅用三天时间就训练该代理在大多数市场生成定价方案。初步结果显示，该引擎能够以约99% 的准确率交付报价，将周转时间从数天缩短至约10 分钟。

AI 生成的报价在发送给客户之前，仍需经过 Colt 员工的审核。两家公司将该工具描述为概念验证，而非完全部署的产品。Colt 表示，计划将代理式 AI 扩展至整个客户旅程，可能涵盖入网和服务管理等领域。

代理式 AI 指的是能够自主执行任务、做出决策并在无需持续人工指导的情况下执行工作流的系统。这类技术在企业运营中的探索日益增多，尽管许多部署仍处于实验阶段。

电信提供商面临越来越大的压力，需要简化企业采购流程。大型连接交易通常涉及多方利益相关者、漫长的定价周期和复杂的服务配置。自动化工具可以减少管理开销并加快销售速度。

如果代理式 AI 系统运行可靠，它们还可能通过在各市场生成一致的定价逻辑，提高对企业客户的透明度。更快的报价有助于电信提供商在全球连接服务中更有效地竞争。

然而，这些好处并非必然。AI 系统仍然严重依赖训练数据和人工监督。电信基础设施合同中的定价错误可能代价高昂，这解释了为何人工团队仍留在审批环节中。

在企业环境中，代理式 AI 还存在更广泛的担忧。批评者指出，许多 AI 代理系统仍处于实验阶段，可能产生不可预测的结果。当自动化工具处理敏感的商业决策时，安全、治理和问责是额外的挑战。

对 Colt 和微软而言，该项目反映了电信行业的一个更广泛趋势：利用 AI 实现运营流程自动化，而不仅仅是分析网络性能。代理式 AI 能否成为主流企业工具，将取决于它在不引入新风险的情况下管理复杂工作流的可靠性。